公开(公告)号：CN108594803B

公开(公告)日：2020-06-12

申请号：CN201810180843.2

申请日：2018-03-06

Applicant: 吉林大学

Inventor： 千承辉 ,  马天录 ,  刘凯 ,  张宇轩

IPC: G05D1/02

Abstract: 本发明公开了一种基于Q‑学习算法的路径规划方法，其方法为：第一步：获得基本信息；第二步：确定图中的障碍物坐标；第三步：对图形进行分割处理；第四步：利用改进Q‑学习算法规划路径；第五步：得出最优路径，根据学习结果用MATLAB绘制出最优的路径；第六步：控制机器人行走验证，根据学习的结果，电脑控制机器人行走对路径进行验证。有益效果：在栅格环境下进行仿真实验，并成功地应用在多障碍物环境下移动机器人路径规划，结果证明了算法的可行性。改进Q‑learning算法可以以更快的速度收敛、学习次数明显减少、效率最大可提高20％。同时该算法框架对解决同类问题具有较强的通用性。

公开(公告)号：CN108594803A

公开(公告)日：2018-09-28

申请号：CN201810180843.2

申请日：2018-03-06

Applicant: 吉林大学

Inventor： 千承辉 ,  马天录 ,  刘凯 ,  张宇轩

IPC: G05D1/02

Abstract: 本发明公开了一种基于Q-学习算法的路径规划方法，其方法为：第一步：获得基本信息；第二步：确定图中的障碍物坐标；第三步：对图形进行分割处理；第四步：利用改进Q-学习算法规划路径；第五步：得出最优路径，根据学习结果用MATLAB绘制出最优的路径；第六步：控制机器人行走验证，根据学习的结果，电脑控制机器人行走对路径进行验证。有益效果：在栅格环境下进行仿真实验，并成功地应用在多障碍物环境下移动机器人路径规划，结果证明了算法的可行性。改进Q-learning算法可以以更快的速度收敛、学习次数明显减少、效率最大可提高20％。同时该算法框架对解决同类问题具有较强的通用性。